weixin_44275663的博客

FlowPrint Semi-Supervised Mobile-App Fingerprinting on Encrypted Network Traffic

加密流量分类

关于Pytorch相关的资料（1）pytorch.nn.Conv1d(in_channels, out_channels, kernel_size, stride=1, padding=0,dilation=1,groups=1, bias=True)参数详解：in_channels :输入通道。在文本分类中，即为向量的维度：word_vector。input_shape=[batch_size, word_vector, sequence_length]out_channels:卷积产生的通道，

先看一个生活中的例子。王宏去医院作验血实验，检查他患上了X疾病的可能性，其结果居然为阳性，把他吓了一大跳，赶忙到网上查询。网上的资料说，实验总是有误差的，这种实验有“百分之一的假阳性率和百分之一的假阴性率”。这句话的意思是说，在得病的人中做实验，有1%的人是假阳性，99％的人是真阳性。而在未得病的人中做实验，有1%的人是假阴性，99％的人是真阴性。于是，王宏根据这种解释，估计他自己得了X疾病的可能性（即概率）为99%。王宏想，既然只有百分之一的假阳性率，那么，百分之九十九都是真阳性，那我已被感染X病的概率

（1）动机图表示学习，也称为网络嵌入，目的是将图(网络)中的每个顶点表示为低维向量，这有助于对顶点和边缘进行网络分析和预测。学习到的嵌入能够帮助广泛的现实应用程序，如链路预测、节点分类、推荐、可视化、知识图表示等。图表示学习的目的是将图中的每个顶点嵌入到一个低维向量空间中。现有的图形表示学习方法可分为两类：学习图中潜在连通性分布的生成模型，以及预测一对顶点之间存在边的概率的判别模型。（2）创新...